Redes Neurais Artificiais

Os trabalhos relacionados as Redes Neurais Atrificiais, que também pode ser denominadas apenas de Redes Neurais, tem se motivado principalmente devido ao reconhecimento da comunidade acadêmica de que o cérebro humano consegue processar informações de maneira diferente a de um sistema computacional. Desta forma de acordo com (HAYKIN,2001) pode-se dizer que o cérebro representa um sistema de processamento de informação altamente complexo, não-linear e paralelo.

 

Uma Rede Neural Artificial corresponde a um processador disposto paralelamete distribuído, sendo composto por uma unidade de processamento simples. Esta unidade de processamento simples tem a capacidade de armazenar conhecimentos adquiridos através de experiências e também de torná-los disponíveis para uso. Desta forma pode-se afirmar que as Redes Neurais Artificiais se assemelham ao cérebro humano por dois aspectos[HAYKIN,2001]:

• O processo de conhecimento adquirido pela Rede Neural Artificial é obtido levando em consideração o ambiente de aplicação e também a sua forma de aprendizado;  
• A intensidade das conexões entre os neurônios, que na Rede Neural Artificial é representado pelos pesos sinápticos, também são utilizados para a aquisição do conhecimento adquirido.  

As Redes Neurais são compostas por neurônios, ou simplesmente denominados de unidades, as quais estão conectadas de forma orientada, ou seja, a saída de determinado neurônio estará sempre vinculada a unicamente outro determinado neurônio. Outra característica importante das Redes Neurais é a presença dos pesos sinápticos para cada conexão presente em determinado neurônio, os quais estão representados por pesos numéricos.

 A figura abaixo apresenta o modelo de neurônios presentes nas Redes Neurais, o qual é composto por sinais de entrada, pesos, função Soma, função de transferência e saída. 

Modelo de Neurônio - Redes Neurais Artificiais

Entradas: Representa um conjuntos de sinapses ou elos de conexões orientadas, que são caracterizadas por um peso. De tal forma que o o sinal x_j presente na entrada da sinapse j conectada ao neurônio k é multiplicado pelo peso sináptico w_kj . É importante ressaltar que no peso sináptico o primeiro índice k se refere ao neurônio em questão e o índice j refere-se ao terminal de entrada da sinapse a qual o peso esta se referindo.

Função Soma: Também conhecida como função aditiva, ou somador. O somador tem a finalidade de somar os sinais de entrada, levando em consideração as respectivas sinapses do neurônio. A função soma pode ser representado pela equação: 

 

u_k = ∑w_kjx_j

  Função de Ativação: Representa um limitador de amplitude da saída de determinado neurônio. Também pode ser denominada de função restritiva, pois restringe o intervalo permissível de amplitude do sinal de saída a um valor finito. Desta forma pode-se afirmar que a saída de amplitude normalizada de determinado neurônio é representado pelo intervalo unitário fechado [0, 1] ou de maneira alternativa [-1, 1]

Redes Neurais vem sendo utilizadas em diversos sistemas computacionais, com o objetivo de automatizar algumas tarefas que seriam dificilmente cumpridas pelos seres humanos.

Em outra oportunidade daremos continuidade aos conceitos de Redes Neurais Artificiais.

Bons Estudos!!!!!!

Abraço,